该帮助的版本不再更新，请参见https://www.jmp.com/support/help/zh-cn/15.2 获取最新的版本.


多元方法 • 潜在类分析 • “潜在类分析”的示例
上一个
 • 
下一个
“潜在类分析”的示例
该示例使用“潜在类分析”平台分析 2005 年美国高中生调查的响应数据。该调查针对学生提出了各种有关健康风险行为的多项选择题。
在本例中，您根据学生对 12 个问题的响应来拟合潜在类模型，识别学生聚类。从多项选择调查问题中将响应分为两类（是/否），可以获得您分析的列。
1.
选择帮助 > 样本数据库，然后打开 Health Risk Survey.jmp。
2.
在“Health Risk Survey”数据表中，点击启动潜在类分析平台脚本旁边的绿色小三角。
该脚本选择 12 个所关注的列，打开“潜在类分析”启动窗口，并且输入这 12 个关注的列作为“Y”。
注意：要自行启动 LCA 平台，请选择“分析”>“聚类”>“潜在类分析”。
3.
在多达旁边的框中键入 5。
该选项针对 3 到 5 个（最多 5 个）聚类拟合潜在类模型。
4.
点击确定。
图 14.2 “聚类汇总”报表
“潜在类分析”分级显示项包括一个“聚类比较”报表和 3 个单独的“潜在类模型”报表。“潜在类模型”报表显示 3 个、4 个和 5 个聚类的模型。在“聚类比较”报表中，具有 5 个聚类的模型具有最小的 BIC 和 AIC，这表明该模型是这 3 个模型中的最佳拟合模型。您分析的是该模型。
5.
在“‘5’个聚类的潜在类模型”报表中，检查“参数估计值”下方的条形图。请注意以下事项：
‒
“聚类 1”对所有风险行为的大部分回答多为“No”。
‒
“聚类 2”对 13 岁前的 4 种风险行为的回答多为“Yes”。
‒
“聚类 3”对酒驾和过去 30 天内喝过至少 5 杯酒的很多回答多为“Yes”。
‒
“聚类 4”对除 13 岁之前的风险行为之外的其他大部分风险行为的回答多为“Yes”。
‒
“聚类 5”对大部分风险行为的回答为“Yes”最多。
使用该信息为聚类提供有意义的名称。
6.
点击“‘5’个聚类的潜在类模型”旁边的红色小三角，选择重命名聚类：
‒
为“聚类 1”输入“低风险”。
‒
为“聚类 2”输入“早期风险承担者”。
‒
为“聚类 3”输入“嗜酒者”。
‒
为“聚类 4”输入“后期高风险”。
‒
为“聚类 5”输入“高风险”。
7.
点击确定。
8.
在出现的“JMP 警示”中点击确定。
注意：新聚类名称不会保存到脚本中。
图 14.3 部分“参数估计值”报表
图 14.3显示分析中前 8 个变量的参数估计值。新聚类名称出现在报表窗口中。
接下来，将聚类成员关系与人口统计学问题“您的年级”进行比较。
9.
点击“‘5’个聚类的潜在类模型”旁边的红色小三角，选择保存混合和聚类公式。
10.
选择图形 > 图形生成器。
11.
输入您的年级作为 X。
12.
输入最可能的聚类公式作为 Y。
13.
选择“马赛克图”元素。
14.
点击完成。
图 14.4 “年级-聚类成员关系”的马赛克图
观测到大多数响应者落入“低风险”聚类。标有“嗜酒者”的类随着年级增长，响应者人数增加。